LINUX &&|| PROGRAMMING
C.d: https://t.me/ProgramowanieLinux/1171 #src: https://www.facebook.com/groups/sztucznainteligencja.biz/permalink/1458738451702549/ #Qstar
Słyszeliście już o tzw. Q-Star (Q*) nad którym się spuszczają ostatnio wszelkie "autorytety" na forach internetowych podniecając się rewolucją w uczeniu maszynowym...
Jakimś przełomem technologicznym w dziedzinie stworzenia #AI superinteligencji i super nadinteligencji... tworzą jakieś spiskowe teorie... ? Wiecie o co tu chodzi?
Wyjaśnię...
Chodzi o technikę uczenia maszynowego ze wzmocnieniem tzw. [#ReinforcementLearning].
Wykorzystując algorytm Q-Learning... Oczywiscie temat znany jest od 1989 roku a Q-Learning został znacząca ulepszony. Żadna nowość.
Modele językowe szkolone są z użyciem algorytmów takich jak Q-Learning i pochodne np. #DQN i jego odmiany #RAINBOW... to cala gałąź #machinlearning-u polegająca na uczeniu ze wzmocnieniem, czyli biega o to, że agenta takiego jak #Bard/#Bing i w najnowszej wersji (tej po 3.5) prawdopodobnie będzie tak uczony też #ChatGPT... bo do tej pory był to model, który nie był uczony tymi metodami.
Nie mial dostępu do internetu i w przeciwieństwie do Bard i Bing był bezpieczny.
Teraz to się zmieni...
Q-Learning został po raz pierwszy opisany w 1989 roku przez dwóch naukowców z Uniwersytetu Kalifornijskiego w Berkeley, Christophera Watkinsa i Petera Dayana. #Algorytm został nazwany na cześć funkcji wartości Q, którą wykorzystuje do reprezentowania przewidywanej wartości nagrody dla danego stanu i akcji.
Q-Learning został szybko przyjęty przez społeczność uczenia maszynowego i został wykorzystany do rozwiązania wielu różnych problemów, w tym:
* Sterowanie robotami
* Gry komputerowe
* Zarządzanie portfelem
* Zarządzanie ryzykiem
Oto kilka przykładów zastosowań Q-Learning w nauczaniu maszynowym:
* Sterowanie robotami: Q-Learning został wykorzystany do wyszkolenia robotów, aby wykonywały złożone zadania, takie jak gra w piłkę nożną lub chodzenie po nierównym terenie.
* Gry komputerowe: Q-Learning jest często używany w grach komputerowych do nauczenia agentów, jak grać. Na przykład Q-Learning został wykorzystany do wyszkolenia agentów, aby grać w gry takie jak Go, StarCraft i Dota 2.
* Zarządzanie portfelem: Q-Learning może być używany do zarządzania portfelem inwestycyjnym, aby zmaksymalizować zwrot z inwestycji. Na przykład Q-Learning został wykorzystany do wyszkolenia agentów, aby podejmować decyzje inwestycyjne w czasie rzeczywistym.
* Zarządzanie ryzykiem: Q-Learning może być używany do zarządzania ryzykiem w różnych kontekstach, takich jak ubezpieczenia, finanse i bezpieczeństwo. Na przykład Q-Learning został wykorzystany do wyszkolenia agentów, aby podejmować decyzje o ubezpieczeniu, które zminimalizują ryzyko straty.
Q-Learning jest po prostu bardzo potężnym algorytmem uczenia maszynowego, który może być wykorzystywany do rozwiązania szerokiego zakresu problemów.
#Qstar #Qlearning
Jakimś przełomem technologicznym w dziedzinie stworzenia #AI superinteligencji i super nadinteligencji... tworzą jakieś spiskowe teorie... ? Wiecie o co tu chodzi?
Wyjaśnię...
Chodzi o technikę uczenia maszynowego ze wzmocnieniem tzw. [#ReinforcementLearning].
Wykorzystując algorytm Q-Learning... Oczywiscie temat znany jest od 1989 roku a Q-Learning został znacząca ulepszony. Żadna nowość.
Modele językowe szkolone są z użyciem algorytmów takich jak Q-Learning i pochodne np. #DQN i jego odmiany #RAINBOW... to cala gałąź #machinlearning-u polegająca na uczeniu ze wzmocnieniem, czyli biega o to, że agenta takiego jak #Bard/#Bing i w najnowszej wersji (tej po 3.5) prawdopodobnie będzie tak uczony też #ChatGPT... bo do tej pory był to model, który nie był uczony tymi metodami.
Nie mial dostępu do internetu i w przeciwieństwie do Bard i Bing był bezpieczny.
Teraz to się zmieni...
Q-Learning został po raz pierwszy opisany w 1989 roku przez dwóch naukowców z Uniwersytetu Kalifornijskiego w Berkeley, Christophera Watkinsa i Petera Dayana. #Algorytm został nazwany na cześć funkcji wartości Q, którą wykorzystuje do reprezentowania przewidywanej wartości nagrody dla danego stanu i akcji.
Q-Learning został szybko przyjęty przez społeczność uczenia maszynowego i został wykorzystany do rozwiązania wielu różnych problemów, w tym:
* Sterowanie robotami
* Gry komputerowe
* Zarządzanie portfelem
* Zarządzanie ryzykiem
Oto kilka przykładów zastosowań Q-Learning w nauczaniu maszynowym:
* Sterowanie robotami: Q-Learning został wykorzystany do wyszkolenia robotów, aby wykonywały złożone zadania, takie jak gra w piłkę nożną lub chodzenie po nierównym terenie.
* Gry komputerowe: Q-Learning jest często używany w grach komputerowych do nauczenia agentów, jak grać. Na przykład Q-Learning został wykorzystany do wyszkolenia agentów, aby grać w gry takie jak Go, StarCraft i Dota 2.
* Zarządzanie portfelem: Q-Learning może być używany do zarządzania portfelem inwestycyjnym, aby zmaksymalizować zwrot z inwestycji. Na przykład Q-Learning został wykorzystany do wyszkolenia agentów, aby podejmować decyzje inwestycyjne w czasie rzeczywistym.
* Zarządzanie ryzykiem: Q-Learning może być używany do zarządzania ryzykiem w różnych kontekstach, takich jak ubezpieczenia, finanse i bezpieczeństwo. Na przykład Q-Learning został wykorzystany do wyszkolenia agentów, aby podejmować decyzje o ubezpieczeniu, które zminimalizują ryzyko straty.
Q-Learning jest po prostu bardzo potężnym algorytmem uczenia maszynowego, który może być wykorzystywany do rozwiązania szerokiego zakresu problemów.
#Qstar #Qlearning
LINUX &&|| PROGRAMMING
#Google wiedziało, co kupujesz. #AI wie, dlaczego płaczesz w nocy. ⬇️ https://t.me/ProgramowanieLinux/2032
Przez ostatnią dekadę baliśmy się, że #Facebook czy #Google wiedzą o nas za dużo. Ale z perspektywy roku 2026, tamta inwigilacja wydaje się zabawnie prymitywna.
Co wiedział o Tobie Google? Że szukałeś "taniego hotelu w Paryżu" i "leków na ból pleców". To były okruchy - metadane. Co wie o Tobie Twój asystent #AI, z którym rozmawiasz codziennie?
Wie wszystko, co jest pomiędzy!
W oknach czatów z #ChatGPT, #Gemini czy #Claude oddajemy korporacjom coś, czego nigdy nie wpisalibyśmy w wyszukiwarkę:
- Nasz proces myślowy.
- Nasze lęki ("Jak powiedzieć żonie, że straciłem pracę?").
- Nasze finanse ("Przeanalizuj ten PIT, nie wiem, czemu wiszę tyle urzędowi").
- Nasze surowe pomysły na biznes, zanim jeszcze powstaną!!!
Stworzyliśmy najdoskonalszy system inwigilacji w historii, i to dobrowolnie. Dlaczego?
Bo jest pomocny.
To transakcja faustowska: my dostajemy "inteligentnego przyjaciela", który pomaga nam ogarnąć życie, a Big Tech dostaje kompletny profil psychologiczny każdego użytkownika.
Do czego mogą to wykorzystać? To już nie chodzi o "targetowanie reklam butów".
Precyzyjna manipulacja:
Jeśli #AI wie, jakie masz kompleksy i lęki, może podsunąć Ci produkt w sposób, któremu nie będziesz w stanie się oprzeć. Scoring życiowy:
Wyobraź sobie, że bank lub ubezpieczyciel kupuje dostęp do "profilu ryzyka" opartego na Twoich rozmowach z AI.
Kradzież innowacji:
Twój genialny pomysł na startup, który "skonsultowałeś" z modelem, staje się częścią zbioru treningowego.
Traktujemy okno czatu jak konfesjonał. Ale w tym konfesjonale po drugiej stronie nie siedzi dyskretny ksiądz, tylko #algorytm, który wszystko notuje, indeksuje i sprzedaje (lub wykorzystuje do trenowania jeszcze sprytniejszych modeli).
Prywatność w 2026 roku jest cenniejsza od złota. A my ją tracimy za darmo w zamian za streszczenie maila.
🔙 https://t.me/ProgramowanieLinux/2031
Co wiedział o Tobie Google? Że szukałeś "taniego hotelu w Paryżu" i "leków na ból pleców". To były okruchy - metadane. Co wie o Tobie Twój asystent #AI, z którym rozmawiasz codziennie?
Wie wszystko, co jest pomiędzy!
W oknach czatów z #ChatGPT, #Gemini czy #Claude oddajemy korporacjom coś, czego nigdy nie wpisalibyśmy w wyszukiwarkę:
- Nasz proces myślowy.
- Nasze lęki ("Jak powiedzieć żonie, że straciłem pracę?").
- Nasze finanse ("Przeanalizuj ten PIT, nie wiem, czemu wiszę tyle urzędowi").
- Nasze surowe pomysły na biznes, zanim jeszcze powstaną!!!
Stworzyliśmy najdoskonalszy system inwigilacji w historii, i to dobrowolnie. Dlaczego?
Bo jest pomocny.
To transakcja faustowska: my dostajemy "inteligentnego przyjaciela", który pomaga nam ogarnąć życie, a Big Tech dostaje kompletny profil psychologiczny każdego użytkownika.
Do czego mogą to wykorzystać? To już nie chodzi o "targetowanie reklam butów".
Precyzyjna manipulacja:
Jeśli #AI wie, jakie masz kompleksy i lęki, może podsunąć Ci produkt w sposób, któremu nie będziesz w stanie się oprzeć. Scoring życiowy:
Wyobraź sobie, że bank lub ubezpieczyciel kupuje dostęp do "profilu ryzyka" opartego na Twoich rozmowach z AI.
Kradzież innowacji:
Twój genialny pomysł na startup, który "skonsultowałeś" z modelem, staje się częścią zbioru treningowego.
Traktujemy okno czatu jak konfesjonał. Ale w tym konfesjonale po drugiej stronie nie siedzi dyskretny ksiądz, tylko #algorytm, który wszystko notuje, indeksuje i sprzedaje (lub wykorzystuje do trenowania jeszcze sprytniejszych modeli).
Prywatność w 2026 roku jest cenniejsza od złota. A my ją tracimy za darmo w zamian za streszczenie maila.
🔙 https://t.me/ProgramowanieLinux/2031